O objetivo deste estudo consistiu na proposição de uma nova precificação para o seguro de entregadores em uma empresa líder no mercado de food delivery na América Latina, com a finalidade de reduzir os custos elevados relativos ao prêmio pago à seguradora. O objetivo principal foi desenvolver uma metodologia para propor uma nova precificação de seguro, visando a redução dos custos elevados relacionados ao prêmio pago à seguradora. Este estudo realizou uma análise detalhada, estimando a probabilidade de sinistros com base em variáveis como rotas de entrega, modais de transporte, e perfis detalhados dos entregadores. A metodologia adotada envolveu a aplicação de técnicas avançadas de machine learning e análise estatística. Foram empregados modelos como regressão logística e árvores de decisão, os quais foram fundamentais para construir um perfil de risco robusto e realizar uma classificação eficiente de risco. A análise foi sustentada por um conjunto de dados abrangente, incluindo dimensões como frequência de sinistros, características das rotas, e dados demográficos dos entregadores, fornecendo uma base sólida para a modelagem. Os resultados obtidos com a nova metodologia de precificação demonstraram uma redução significativa nos custos de seguro. Isso foi possível pela incorporação de uma avaliação de risco mais precisa e personalizada, que levou em conta o padrão de ocorrência dos sinistros e os comportamentos de risco dos entregadores. Além disso, a precificação proposta ofereceu uma flexibilidade maior na contratação do seguro, tornando-o mais acessível para os entregadores e mais vantajoso para a empresa contratante e a seguradora. A inovação deste estudo reside na utilização de uma abordagem de score de risco baseada na probabilidade de sinistros para a precificação de seguros no segmento de food delivery, evidenciando ser uma alternativa eficiente e viável para a gestão de custos elevados associados ao seguro.

The objective of this study was to propose a new pricing model for delivery drivers insurance for a leading food delivery company in Latin America. The aim was to reduce the high costs associated with the premiums paid to the insurance company. To achieve this objective, an analysis was conducted to develop a methodology for proposing a new insurance pricing strategy, targeting the reduction of the high costs associated with the premiums paid to the insurer. This study carried out a detailed analysis, estimating the probability of claims based on variables such as delivery routes, transportation modes, and the detailed profiles of delivery drivers. The adopted methodology involved the application of advanced machine learning and statistical analysis techniques. Models such as logistic regression and decision trees were used, which were fundamental in building a robust risk profile and performing efficient risk classification. The analysis was supported by a comprehensive dataset, including dimensions such as claim frequency, route characteristics, and demographic data of the delivery drivers, providing a solid basis for modeling. The results obtained with the new pricing methodology demonstrated a significant reduction in insurance costs. This was possible due to the incorporation of a more accurate and personalized risk assessment, which took into account the pattern of claims occurrence and the risk behaviors of the delivery drivers. Furthermore, the proposed pricing offered greater flexibility in insurance contracting, making it more accessible for the delivery drivers and more advantageous for both the contracting company and the insurer. The innovation of this study lies in the use of a risk score approach based on the probability of claims for insurance pricing in the food delivery segment, proving to be an efficient and viable alternative for managing the high costs associated with insurance.